Verificar pressupostos
Outliers: como identificar valores atípicos nos dados da pesquisa
Como detetar outliers pela amplitude interquartil e pela pontuação z, e como decidir se remove, corrige ou mantém um valor atípico na tese.
Outliers (ou valores atípicos) são casos que se afastam muito dos restantes: um salário dez vezes acima da média, uma idade de 150 anos, uma nota de 0 num teste em que todos tiveram mais de 10. Podem ser erros de introdução de dados (e aí têm de ser corrigidos) ou casos reais e extremos, que podem distorcer médias, desvios-padrão e correlações.
Identificá-los é um passo obrigatório antes dos testes paramétricos. Este guia mostra os dois critérios mais usados e como decidir o que fazer com cada caso.
Porque é que os outliers importam
A média e o desvio-padrão são sensíveis a valores extremos. Um só caso muito afastado pode:
- puxar a média de um grupo e criar (ou esconder) uma diferença num teste t;
- inflacionar ou anular uma correlação de Pearson;
- fazer falhar o pressuposto de normalidade;
- dominar uma reta de regressão.
Os dois critérios de deteção
Amplitude interquartil (AIQ): o critério do diagrama de caixa
Calcula-se a amplitude interquartil (AIQ = P75 − P25). É atípico qualquer valor abaixo de P25 − 1,5 × AIQ ou acima de P75 + 1,5 × AIQ; é extremo se ultrapassar 3 × AIQ. É o critério usado nos diagramas de caixa (boxplots) do SPSS e não depende de a variável ser normal, por isso é o mais seguro como ponto de partida.
Pontuação z
Converte-se cada valor numa pontuação z: quantos desvios-padrão está acima ou abaixo da média. Um |z| superior a 3 (ou 3,29, num critério mais estrito) assinala um caso atípico. Funciona bem em variáveis aproximadamente normais; em variáveis muito assimétricas, o AIQ é preferível.
Exemplo resolvido
Pergunta: há salários ou produtividades tão extremos que possam distorcer médias e correlações?
| Variável | n | Limite inferior | Limite superior | Atípicos | Extremos |
|---|---|---|---|---|---|
| Salário mensal (MT) | 120 | 19 216 | 90 364 | 0 | 0 |
| Índice de produtividade | 120 | 22,4 | 64,4 | 0 | 0 |
Como fazer no Analisador de Dados
- Abra a aba Análises e escolha «Valores atípicos (outliers)».
- No campo Variáveis, marque as variáveis numéricas a verificar.
- Em Critério, escolha «Amplitude interquartil», «Pontuação z» ou «Ambos».
- Ligue Listar os casos assinalados para ver exatamente que linhas estão fora dos limites.
A ferramenta nunca remove casos por si: assinala-os para que decida. No SPSS, os outliers aparecem nos boxplots do Analyze › Descriptive Statistics › Explore; as pontuações z obtêm-se em Descriptives, com Save standardized values as variables.
Como interpretar o resultado
Neste exemplo, não há valores atípicos. Todos os salários estão entre 19 216 e 90 364 MT e todas as produtividades entre 22,4 e 64,4 (os limites do critério AIQ), e nenhum caso tem |z| acima do limiar. As médias e as correlações destas variáveis não estão a ser puxadas por casos extremos.
O que fazer quando encontra outliers
- Verifique primeiro se é um erro. Abra a Vista de Dados, encontre o caso e compare com o questionário original. Um «450» numa idade é quase certamente «45». Erros corrigem-se.
- Se for um valor real, pergunte se o caso pertence à população do estudo. Um gestor de topo numa amostra de técnicos pode justificar a exclusão, desde que o diga na metodologia.
- Se pertence, mantenha-o e escolha análises robustas: a mediana em vez da média, testes não paramétricos, correlação de Spearman.
- Em caso de dúvida, faça a análise com e sem o caso. Se a conclusão não muda, reporte com o caso e mencione a verificação. Se muda, reporte as duas e discuta.
Como reportar em formato APA
Modelo de redação
A presença de valores atípicos foi avaliada pelo critério da amplitude interquartil (1,5 × AIQ) e pela pontuação z (|z| > 3). Não foram identificados casos discrepantes no salário nem na produtividade, pelo que todos os 120 casos foram mantidos na análise.
Erros comuns
- Apagar outliers sem justificação só porque «estragam» o resultado. É manipulação de dados e os júris sabem-no.
- Não declarar as exclusões. Qualquer caso removido tem de constar na metodologia, com o critério usado.
- Usar a pontuação z em variáveis muito assimétricas, onde ela sinaliza casos normais da cauda como atípicos.
- Procurar outliers em variáveis nominais. Não existem: numa variável categórica, o equivalente é uma categoria com muito poucos casos.